StarGAN-VC语音音色转换

StarGAN-VC是利用StarGAN的图像到图像翻译原理，来实现“多对多”的非平行数据集下的语音音色转换，其实质是对语音的梅尔能量进行转换。
StarGAN-VC和StarGAN的不同之处：

1. StarGAN-VC加入了一致性损失（identity loss)
2. StarGAN-VC将分类器独立出来
3. StarGAN-VC在生成器和判别中都有连接说话人特征向量的操作
4. StarGAN-VC使用了GLU激活层

StarGAN-VC结构：

由下图可以看到说话人向量的连接操作和GLU层。

StarGAN-VC的特点：

对比CycleGAN-VC来说主要有：

1. 一个模型实现非平行数据集下，“多对多”音色转换
2. 模型速度比CycleGAN-VC快

StarGAN-VC实现：

pytorch StarGAN-VC

tensorflow StarGAN-VC